TCDA：用于对话情感四元组分析的线程约束话语感知建模

Conversational Aspect-based Sentiment Quadruple Analysis（DiaASQ，对话式基于方面的情感四元组分析）需要捕捉多轮对话中的复杂相互关系。现有方法通常采用简单的 Graph Convolutional Networks（GCN，图卷积网络），这会引入结构噪声，并且未能考虑对话的时间顺序；或者使用标准 RoPE，它可以在扁平序列中隐式捕捉相对距离，但无法清晰地区分 token-level（token 级）句法顺序与 utterance-level（话语级）推进，并且可能受到 Distance Dilution（距离稀释）问题的影响。

为解决这些问题，我们提出了一种结合 Thread-Constrained Directed Acyclic Graph（TC-DAG，线程约束有向无环图）与 Discourse-Aware Rotary Position Embedding（D-RoPE，话语感知旋转位置 embedding）的新框架。具体而言，TC-DAG 基于线程约束过滤跨线程噪声，通过 root anchoring 保持全局连通性，并纳入对话的时间顺序。D-RoPE 通过 dual-stream projection 和 multi-scale frequency signals 对齐多层语义，利用树状距离捕捉线程依赖，并通过引入 utterance-level progressions 缓解 token-level Distance Dilution 问题。

在两个 benchmark 数据集上的实验结果表明，我们的框架达到了 state-of-the-art 性能。